10.16208/j.issn1000-7024.2019.12.039
基于双通道卷积神经网络的多标签图像标注
针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN).其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中所占比重,另一个通道用于训练全部的训练集.在标注过程中把两个通道的输出进行融合,对所需标注的标注词共同做出决策.在Pascal VOC2012标准数据集上对模型进行验证,实验结果表明,DCCNN模型相对于卷积神经网络(convolution neural network,CNN)无论是对低频标注词的标注准确率还是效率都有很大的提升,验证了该模型的有效性.
图像标注、卷积神经网络、样本不均衡、多标签、双通道卷积神经网络
40
TP391(计算技术、计算机技术)
山西省中科院科技合作基金项目20141101001;“十二五”山西省科技重大专项基金项目20121101001;山西省科技攻关基金项目20141039;山西省重点研发计划基金项目201603D121031
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
3601-3607